D-LinkNet: 고해상도 위성 이미지에서 도로 추출을 위한 사전 학습된 인코더와 확장 컨볼루션을 갖춘 LinkNet

도로 추출은 원격 탐사 분야에서 핵심적인 과제이며, 지난 10년간 뜨거운 연구 주제로 부상해 왔다. 본 논문에서는 도로 추출 작업을 위한 의미론적 세그멘테이션 신경망인 D-LinkNet을 제안한다. 이 네트워크는 인코더-디코더 구조를 채택하고, 확장된 컨볼루션(dilated convolution)과 사전 학습된 인코더를 활용한다. D-LinkNet은 LinkNet 아키텍처를 기반으로 하며, 중심부에 확장된 컨볼루션 계층을 포함하고 있다. LinkNet 아키텍처는 계산 및 메모리 측면에서 높은 효율성을 지닌다. 또한 확장된 컨볼루션은 특징 맵의 해상도를 저하시키지 않으면서 특징점의 수용 영역(receptive field)을 확대하는 강력한 도구이다. CVPR DeepGlobe 2018 도로 추출 챌린지에서, 본 연구의 검증 세트 및 테스트 세트에 대한 최고 IoU 스코어는 각각 0.6466과 0.6342였다.